Нейросети для улучшения аудио

Убрать шум из аудио нейросетью можно без монтажных программ: загружаете запись, а нейросеть оставляет голос и приглушает гул вентилятора, улицу, чужие разговоры и музыку. На Братухе для этого три нейросети: ElevenLabs Audio Isolation, DeepFilterNet3 и VEED Clean Audio. Пригодятся, если интервью записали в кафе, а голосовое — на ходу.

На лёгком шуме все три справляются похоже, разница слышна на трудных записях. Поэтому мы собрали три записи с разным шумом и почистили каждую во всех трёх нейросетях. Голоса озвучили в ElevenLabs v3, шумы сгенерировали в ElevenLabs Sound Effect v2 и наложили сверху. Так у нас остался чистый голос для сверки. Все файлы мы ещё прогнали через распознавание речи: какие слова оно разобрало, покажем ниже.

Три шумные записи до и после

Кафе: разговоры, посуда и музыка

Хозяин кофейни рассказывает, как открывался. Вокруг гудит зал: разговоры, звон ложек, шипение кофемашины, песня из колонок. Шум тише голоса, но не затихает ни на секунду. Так запись звучала до обработки:

Isolation убрала зал целиком: в паузах между фразами полная тишина, будто хозяин говорил в студии. DeepFilterNet3 кафе оставила, но отодвинула на задний план, посуда и чужие голоса стали заметно тише. Разборчивость у этих двух вышла одинаковой, и обе испортили одно и то же слово. В исходнике распознавание услышало «кофемашина», а после чистки у Isolation «к этой машины», у DeepFilterNet3 «крытая машина». Чистка может задеть отдельное слово, поэтому слушайте результат целиком.

VEED мы добавили позже и прогнали на тех же файлах. Зал она убрала так же полностью, как Isolation, а «кофемашину» сохранила: в её файле распознавание разобрало все слова.

Вентилятор и улица за окном

Голосовое сообщение про квартиру, записанное дома. Рядом с телефоном дует вентилятор, в открытое окно слышна улица с машинами. Шум ровный и по громкости почти как голос, но речь сквозь него разбирается: распознавание и на исходнике узнало все слова.

С ровным шумом справились все три. Гул пропал, распознавание во всех файлах совпало с текстом слово в слово. В паузах после Isolation и VEED полная тишина, после DeepFilterNet3 остаётся едва заметный след шума. Для такой записи мы бы взяли DeepFilterNet3: результат почти тот же, а секунда записи стоит дешевле, чем у Isolation.

Когда в гомоне тонут слова

То же интервью в кофейне, только зал мы сделали громче: разговоры и музыка звучат вровень с речью. Так бывает, если снимать на телефон у стойки в час пик. Распознавание сбилось уже на исходнике: вместо «не за кофе» услышало «не за хорхе».

Здесь нейросети разошлись. Isolation снова вырезала всё, кроме голоса, но задела и сам голос: распознавание услышало «не за корфель, а за юбми, которые его варим», слов стало понятно меньше, чем в исходнике. DeepFilterNet3 оставила заметный фон, начало записи распознавание тоже исказило, зато конец «не за кофе, а за людьми, которые его варят» разобрало верно. VEED убрала зал целиком и голос почти не задела: во всей записи распознавание ошиблось в одном слове, «валят» вместо «варят». Проба одна, но если чужие голоса и музыка звучат вровень с речью, начните с VEED или DeepFilterNet3. Чистого звука не ждите ни от одной: такую запись лучше переписать ближе к микрофону.

Как убрать шум из аудио на сайте

Откройте нейросеть по ссылке или карточке выше и загрузите файл в формате MP3, WAV, M4A, AAC, FLAC, OGG или OPUS. В Isolation и VEED сначала выберите тип: Аудио или Видео, ролик можно загрузить в MP4, MOV или WEBM. Промпт писать не нужно. Платите за длину записи (в VEED за каждую начатую минуту): сайт сам определит длину файла и до запуска покажет сумму на кнопке Отправить. Подписки нет.

Наши двадцатисекундные записи Isolation чистила за 10–17 секунд. DeepFilterNet3 обычно укладывалась в 40 секунд, а один раз мы прождали около трёх минут. VEED на этих записях работала 67–75 секунд. Готовый файл появится под формой и в разделе Мои результаты. Результаты хранятся 7 дней, очищенную запись лучше сразу скачать. Если сайт для вас новый, загляните в инструкцию по сайту.

Чем отличаются три нейросети

ElevenLabs Audio Isolation: тишина вокруг голоса и чистка видео

Isolation сделали в ElevenLabs, у которых есть и известная нейросеть для озвучки. По словам разработчиков, она отделяет голос от музыки, ветра, машин, эха комнаты и любого другого фона. В наших пробах она вырезала фон подчистую. На обычном шуме запись от этого звучит чище, чем после DeepFilterNet3, а когда чужие голоса вровень с речью, вместе с ними страдает и сам голос (см. сравнение выше). Песни ей тоже не отдавайте: когда мы готовили инструкцию про песню своим голосом, Isolation обрезала хвосты протяжных нот.

Видео, кроме неё, принимает только VEED. С типом Видео Isolation берёт звук из ролика и возвращает только его, очищенным, в MP3. Картинки в результате нет: дорожку ставят вместо старой в любом видеоредакторе. Формат результата здесь не выбирается. Записи длиннее 10 минут она тоже принимает.

DeepFilterNet3: ровный шум и файл для монтажа

DeepFilterNet3 — открытая нейросеть для очистки речи, третья версия вышла в 2023 году. Фон она не вырезает, а приглушает. Лучше всего ей в наших пробах дался ровный гул вентилятора. Звук она отдаёт с частотой 48 кГц, как принято в видео, поэтому файл встанет в монтаж без пересчёта частоты.

Только здесь формат результата выбирается из семи: MP3, AAC, M4A, OGG, OPUS, FLAC или WAV. Для монтажа берите WAV или FLAC, они без потери качества. Для остальных форматов выбирается ещё битрейт, то есть сколько данных уходит на секунду звука: от 64 до 320 kbps, чем больше, тем чище звук и тяжелее файл. Для голосового в мессенджер хватит 128–192 kbps. Запись принимается длиной до 10 минут.

VEED Clean Audio: чистый голос и ровная громкость

VEED Clean Audio сделала британская компания VEED, автор онлайн-видеоредактора. Фон в паузах она убирает полностью, а под словами оставляет немного, чтобы тихие и дальние слова не обрезались. Сколько шума убирать под голосом, задаёт ползунок Сила очистки в разделе Дополнительно. Ещё она выравнивает громкость голоса по всей записи: в поле Громкость есть стандартный уровень, уровни для подкастов и для соцсетей, так что тихую запись поднимать в монтаже не придётся. Если громкость нужна как в исходнике, выберите Не менять.

Принимает аудио и видео до 30 минут и 100 МБ, отдаёт звук в WAV или FLAC, оба без потери качества, 48 кГц, моно. Слабое место в наших пробах — сильное эхо пустого зала и голос намного тише фона: отдельные слова после очистки искажались, хотя в исходнике разбирались. Подробнее с примерами в статье о нейросети.

Что выбрать под свою запись

• Интервью в кафе, репортаж с улицы или разговор на мероприятии, где за спиной чужие голоса и музыка, чистите в Isolation или VEED, если голос заметно громче фона. Когда фон звучит вровень с речью, начните с VEED или DeepFilterNet3 (см. сравнение выше).
• Для ролика с телефона подойдут Isolation или VEED с типом Видео.
• Запись, которую нужно сразу выложить или отправить с нормальной громкостью, — в VEED: она и очистит, и выровняет уровень голоса.
• Запись длиннее 10 минут загрузите в VEED (до 30 минут) или Isolation (до часа), для DeepFilterNet3 её придётся разрезать на части.
• Голосовое или короткую запись до 10 минут с ровным гулом отдайте DeepFilterNet3: на таком шуме она не уступает Isolation и стоит дешевле.
• Файл для монтажа в WAV или FLAC дадут DeepFilterNet3 и VEED.
• Для песни нужна нейросеть «Разделить на дорожки»: она отдаёт голос и инструменты отдельными файлами.

Пошаговый разбор DeepFilterNet3 на старых записях есть в инструкции «Как убрать фоновый шум и улучшить речь в аудиозаписи», а как отделить вокал от музыки — в статье «Как разделить аудиозапись на дорожки». Если нужен текст записи, загляните в раздел «Расшифровка». А если ролик немой и звук надо добавить, вам в «Звук для видео».

Как получить чистый звук с первого раза

• Сначала почистите отрывок на 15–20 секунд с самым шумным местом. Он стоит недорого и сразу покажет, какая нейросеть подходит вашей записи.
• Если после одной нейросети слова стали хуже, сравните тот же отрывок в другой: в нашей пробе на громком кафе меньше всего слов потеряла VEED.
• Храните оригинал. Если чистка испортила слово, как «кофемашину» в нашем кафе (её испортили Isolation и DeepFilterNet3), будет с чем сравнить, а в этом месте можно оставить исходный звук.
• Если есть исходник в WAV, загружайте его, а не файл, пересланный через мессенджер: мессенджеры сжимают звук.

Вопросы про очистку звука

Статья обновлена 2 октября 2026 г.